MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。

) N0 u+ \3 ^0 }  ^* ?4 z% ]* Q: L( [5 g本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
' q. k( l, {+ L0 n本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

% _! l1 C. d  o$ K% B( X1 k( i随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。

- j7 R; l0 W2 V' \
编辑推荐
7 A: w' o# l* h3 ]+ {本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
2 l6 u6 R0 u2 u# t' v( y作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
* C* v6 k+ u1 G2 Q4 n3 _( Y5 B) G作者简介
王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
& g& {3 J" S' j/ r3 O+ a目录
% _8 c7 i* d2 r2 T+ v5 C第1章BP神经网络的数据分类——语音特征信号分类
1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
, c1 {% o- g: l$ g0 }# n1.3.1归一化方法及MATLAB函数
1.3.2数据选择和归一化
1 [" m- j2 S& o( w1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
* r. c7 u( k+ `. T& R, I0 |1.3.5BP神经网络分类
5 {. m& y; [  r; D" W1.3.6结果分析
1.4案例扩展
1.4.1隐含层节点数
8 s) }7 S) Z& ~1.4.2附加动量方法
% _8 v' P3 Z0 U" F7 [0 e" \1.4.3变学习率学习算法
参考文献
& u& a" _8 P, D9 L% J  z* ^7 c7 o第2章BP神经网络的非线性系统建模——非线性函数拟合
8 N# p, O1 }3 O5 _% s9 M' Q8 J0 r( u2.1案例背景
2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
3 q! X) k' k" n) m6 s: {8 V- V2.3.2数据选择和归一化
2.3.3 BP神经网络训练
7 M2 X" B% m' E. h' a) o2.3.4 BP神经网络预测
& _3 W: o; g/ X5 k& g2.3.5结果分析
2.4案例扩展
2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
3 Q6 N" L- F9 v. B! @. v2.4.3训练数据对预测精度影响
- H8 N/ r. x' I1 c2.4.4节点转移函数
2.4.5网络拟合的局限性
# {/ ~% M% ~  B$ r5 ?# Y5 x* n参考文献
第3章 遗传算法优化BP神经网络——非线性函数拟合
: G$ U4 Z1 v- [3.1案例背景
3.1.1遗传算法原理
3.1.2遗传算法的基本要素
5 F2 I* f& ]3 E" `3.1.3拟合函数
% j! F! f& U' [* R5 d1 |8 d8 a: c: S3.2模型建立
3 D" x: c1 i) R; x! E3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
3.3.1适应度函数
3.3.2选择操作
6 Z. g8 Y" Y% M- W' C$ _3.3.3交叉操作
: G) A6 O* U8 F( m! M3.3.4变异操作
3.3.5遗传算法主函数
3.3.6 遗传算法优化的BP神经网络函数拟合
/ F5 ^: a1 h' y4 W. P$ _: z3.3.7结果分析
3.4案例扩展
3.4.1其他优化方法
6 p# e$ y6 b. w4 [& q; H3.4.2网络结构优化
3.4.3算法的局限性
参考文献
' X- B7 H$ f7 q6 y+ t6 o第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
; @5 t' x- n. W' K# i$ o4.1案例背景
4.2模型建立
$ w8 z$ p" s9 P5 |" p! v4.3编程实现
, m' N- m$ L& O* u3 s4.3.1 BP神经网络训练
4 h* F) f7 p8 |8 _9 e2 h. M7 H4.3.2适应度函数
4.3.3遗传算法主函数
4.3.4结果分析
4.4案例扩展
, C& R8 {& h) M4 u/ C" F" P  m4.4.1工程实例
/ [# q0 u" I3 E/ z) d& [- w% [4.4.2预测精度探讨
参考文献
) `& `9 a. b9 ?) m第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
, m" q2 t3 v$ j) D% p9 Y5.1案例背景
; q, ?1 ?% Z6 F1 C+ r, r3 A5.1.1 BP—Adaboost模型
" Q8 \8 {' D$ t* U) i' W5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
5.3.1数据集选择
5.3.2弱分类器学习分类
; l# L0 \% _- D% B( B% ]8 m5.3.3强分类器分类和结果统计
6 \) {5 ?+ Y) s8 [* A5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
5.4.3强预测器预测
! d4 m5 U3 p& J1 c9 K' e% u/ f5 Y: p5.4.4结果分析
参考文献
, V2 L& v! p6 j1 d) o第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
6.1.1 PID神经元网络结构
- X2 s! D! k# R. X9 ~6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
6.2模型建立
6.3编程实现
. V3 e( E1 [. k: \# q( T6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
6.3.4结果分析
9 z6 L+ s1 M) v2 |* O4 V. W3 F" i- E6.4案例扩展
6.4.1增加动量项
6.4.2神经元系数
4 ]! R' h. ]  ]# q# h+ L6.4.3 PID神经元网络权值优化
参考文献
第7章 RBF网络的回归——非线性函数回归的实现
6 A7 b1 t: l  Z/ ^4 l/ s7.1案例背景
4 V" r# y) Y9 v! e7.1.1 RBF神经网络概述
' I$ N% [. _- U; P+ E# J* L: q7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
9 W0 @0 _# [8 _5 G1 ]3 e: Q7.1.4曲线拟合相关背景
7.2模型建立
0 p$ f* n: ?& L. c4 p8 \7.3 MATLAB实现
9 P+ [) t  [# J8 T3 L0 }" p7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
) u9 W( o* E/ X/ s" S. k/ y- G2 x7.4.1应用径向基神经网络需要注意的问题
7.4.2 SPREAD对网络的影响
8 a/ z9 P' H" t3 n; f! {* |参考文献
1 j- A4 I8 F; H+ @5 j第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
8.2模型建立
' I" \  X& [7 ^9 o8.3 MATLAB实现
8.4案例扩展
  s/ I* {1 i; @( U- N参考文献
  P6 _& }: X% Z+ {0 B$ O! S  }/ r第9章 离散Hopfield神经网络的联想记忆——数字识别
5 W0 g1 b2 O" J$ D& [! B/ S, Z9.1案例背景
9.1.1离散Hopfield神经网络概述
4 [  Q: V0 \4 ^  ^& J$ b! h9.1.2数字识别概述
" U) ]* k5 R* B$ M- M  [# }9.1.3问题描述
9.2模型建立
$ a0 z. ]# {: W( c6 I9.2.1设计思路
/ O& d! {1 t) l+ }2 j8 V4 N: s# w9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
6 |. m- v0 L; d( Z' W9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
* S  q, y# n6 i; S8 T# R9.4.1输入输出设计
9.4.2网络建立
9.4.3产生带噪声的数字点阵
/ B: O% ^' w& @7 _$ H9.4.4数字识别测试
9.4.5结果分析
9.5案例扩展
- l* e9 o' w# W( F7 |9.5.1识别效果讨论
9.5.2应用扩展
参考文献
1 h( ~; y3 p9 h, O) \2 ?第10章 离散Hopfield神经网络的分类——高校科研能力评价
* @2 Y+ p( J: y0 g$ b( P8 Q10.1案例背景
$ u* _9 A# ^. V+ t10.1.1离散Hopfield神经网络学习规则
" o5 B% K1 g, G* E+ U10.1.2高校科研能力评价概述
6 K) H% @7 ]* |  f: W7 n$ b10.1.3问题描述
: D, a5 N2 g- f; k10.2模型建立
% y# X" c: o$ B$ ?% [( F) e8 ^' k* W10.2.1设计思路
10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
10.3.6结果分析
( M8 y" [% S" z10.4案例扩展
参考文献
  q" j; A/ t8 L3 |第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
) ^% @4 b- o9 i; w% |11.1案例背景
/ m8 r5 ?- n! K) ^# p( ~11.1.1连续Hopfield神经网络概述
1 O! k5 m4 C; S7 X9 J/ R11.1.2组合优化问题概述
0 R. y/ w% V9 d0 S4 W2 o1 o11.1.3问题描述
11.2模型建立
' O$ _- C* f1 N8 {6 u2 r11.2.1设计思路
" x; |0 s# y; I0 N11.2.2设计步骤
11.3 MATLAB实现
" ?% o3 F: I- E11.3.1清空环境变量、声明全局变量
11.3.2城市位置导入并计算城市间距离
' w# }7 T1 Y  S" u$ k$ R5 P5 }11.3.3初始化网络
" w. f$ h# ?3 j+ {11.3.4寻优迭代
$ T# V  A( q0 ~! b7 L11.3.5结果输出
( v# N* P5 q5 c1 v11.4案例扩展
1 `6 M- W) o; @) \" J1 \% Y( J6 j11.4.1结果比较
11.4.2案例扩展
参考文献
: C# X; j7 C1 ^: ?( i第12章初识SVM分类与回归
& k3 }9 w& ^8 u12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
12.2 MATLAB实现
8 C9 A2 v/ l+ ~12.2.1使用LIBSVM进行分类的小例子
12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
参考文献
( ?1 |! `6 L5 w  |/ q$ I第13章LIBSVM参数实例详解
. c, S0 t* B4 N/ a$ i+ A13.1案例背景
7 Y1 \/ g" L; F13.2 MATLAB实现
13.3案例扩展
2 o, m$ `- }' N1 S9 [; R参考文献
/ f% i+ W, e% q1 a# \第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
: m) C+ b& I0 l: K14.1案例背景
4 @3 v0 \+ m+ q% i" J14.2模型建立
14.3 MATLAB实现
" A  ?+ Z  D- M6 H6 j# F+ L14 3.1选定训练集和测试集
……
第15章SVM的参数优化——如何更好地提升分类器的性能
第16章基于SVM的回归预测分析——上证指数开盘指数预测
$ n, o& l7 D. R' C" }0 s! q第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
第18章基于SVM的图像分割——真彩色图像分割
第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
& }+ B7 S- I) B( u8 k1 v  [4 a* y第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
* b4 V4 z5 d" T: R) u* T第22章SOM神经网络的数据分类——柴油机故障诊断
" z! i$ o8 x' ^4 S- z- z第23章Elman神经网络的数据预测——电力负荷预测模型研究
7 A3 Y; B  E+ }" w. |- |- h第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
: x! E( L, d5 |5 I  E第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
1 r4 T( e5 I: V第26章LVQ神经网络的分类——乳腺肿瘤诊断
第27章LVQ神经网络的预测——人脸朝向识别
4 L4 v6 L. v8 N第28章决策树分类器的应用研究——乳腺癌诊断
第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
  f- V' P6 _$ }0 \& Y第31章思维进化算法优化BP神经网络——非线性函数拟合
第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
第34章广义神经网络的聚类算法——网络入侵聚类
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
第36章遗传算法优化计算——建模自变量降维
第37章基于灰色神经网络的预测算法研究——订单需求预测
1 `6 [# j9 x1 x0 N第38章基于Kohonen网络的聚类算法——网络入侵聚类
+ i; |# ~5 M8 c5 \/ ]第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
第41章定制神经网络的实现——神经网络的个性化建模与仿真
3 ~5 a+ ?- |: n5 E6 l& h( ]第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
5 a. @& U7 L, Y5 M第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
. {5 S9 ]2 ?6 j8 T序言
5 s& m' n6 ?" e( m  n序言
8 _5 F0 G( e( s( W9 H+ V! ?很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
# O2 d. j' E$ t8 G4 l& F3 _+ D我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
/ w+ m- y+ N- n7 D5 t本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
0 k8 S7 O# l: @, y& ^作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
" P: p5 N1 x! A; Z; s4 d; A, b5 a因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。

) h; _+ w$ S; {2 ?
+ b# |: X; D0 h! i) sMathWorks 中国教育业务发展总监

7 P. @* k! \0 K, u0 i& k% _陈炜博士
( F. j0 [% O. w9 f( \
2013年6月于上海

! u8 b" t4 t0 i8 W; ~5 \
4 b2 c$ O! P3 i/ Vpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
: A6 w- f! h7 d4 {; _5 w: E( r" m7 A数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
$ ^8 t) C/ ?6 Q! L: a2 e/ ~


/ ^! Q! b& X% E